StepAudio 3 ASR
مدل صوتی از استپفان
به فارسی:استپ آدیو ۳ ای اس آراستپ آدیو ۳ تبدیل گفتار به متن
این مدل چیست؟
StepAudio 3 ASR مدل تبدیل گفتار به متن StepFun است که سپتامبر ۲۰۲۶ همراه خانوادهٔ صوتی StepAudio 3 (گفتگوی صوتی زنده، تبدیل متن به گفتار، صدا و موسیقی) عرضه شد. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۲٫۵٪ است و Artificial Analysis قیمت آن را حدود ۶٫۷ دلار برای هر هزار دقیقه صدا ثبت کرده است. از API پلتفرم StepFun در دسترس است.
سازنده: استپفان (StepFun)
StepFun شرکت چینی هوش مصنوعی و سازندهٔ مدلهای Step و خانوادهٔ صوتی Step-Audio است.
کجا میشود از آن استفاده کرد؟
فعلاً ابزاری در هوش یاب این مدل را ارائه نمیدهد.
جایگاه در جدولهای مقایسه
- سنجش گفتار به متن Artificial AnalysisStepAudio 3 ASR, StepFunرتبهٔ ۹خطای کلمه ۲٫۵٪$۶٫۶۷ برای ۱۰۰۰ دقیقه صدا